航空发动机自适应神经网络PID控制

普通PID控制器以其简单、实用、易于实现，在经典控制中倍受青睐。对于像航空发动机这样复杂的非线性系统，基于对象精确数学模型的PID控制方法的自适应性较差，难以适应具有非线性、时变不确定性的被控对象。神经网络的建立为这种问题的解决奠定了基础。文中针对航空发动机难于建立精确数学模型的特点．采用了航空发动机自适应神经网络PID参数控制方案，仿真结果表明自适应神经网络PID控制不仅不依赖于精确的对象模型．而且具有满意的动、静态性能。     

发动机神经网络自适应控制仿真及分析

针对航空涡喷发动机．给出了一种神经网络自适应控制结构。研究了该控制回路中辨识网络和控制网络的结构、离线训练以及初始权值的确定等问题。发动机控制系统仿真表明：该方法用于发动机稳态控制能取得较好的控制品质．当偏离设计点时,通过神经网络很强的学习、适应能力．在线修正网络参数．使控制系统仍保持良好性能,鲁棒性好。     

改进型BP网络PID在电动舵机控制中的应用

针对应用中对无刷直流电机位置控制的高精度要求,设计了一种改进的误差反向传播网络PID控制器,实现了对无刷直流电机位置的精确控制。系统融合了神经网络和PID控制算法的优点,适用于直流无刷电机这样的非线性、时变的复杂系统。仿真结果表明,改进后的BP神经网络PID控制器优于常规BP神经网络PID控制器和传统PID控制器,证明了该方法的可行性。     

基于BP神经网络的野外驻训备件需求预测研究

针对传统的备件需求预测方法主观性强,缺乏科学性等问题,以通信部队野外驻训为背景,从备件需求影响因素出发,提出一种基于BP神经网络的预测算法。对备件精确保障及需求预测和BP神经网络及其适用范围进行简要介绍,分析了备件需求影响因素,以某型电台的功放模型为样板,对BP神经网络预测算法的适用性进行了检测。结果表明,该方法能很好地提高备件需求预测精度,满足装备保障精确化的要求。     

电子点火型单燃料天然气发动机开发研究

在一台CY6 10 5Q柴油机基础上 ,开发了点燃式单燃料天然气发动机 ,对进气系统、燃烧系统等进行了优化设计 ,并配备了电子控制高能点火装置 .同时 ,对其动力性能进行了试验测试 .     

空空导弹动力装置点火发动机装药研究

介绍了点火发动机装药包覆层配方和工艺、推进剂配方和工艺、装药质量控制及试验验证等各项研究技术,并首次成功地应用于某型号空空导弹动力装置上。     

基于单片机控制的姿控发动机电弧点火系统

为解决姿控发动机电弧点火控制系统中存在的难点,设计一套基于STC15W404S单片机为控制核心的姿控发动机电弧点火控制系统.该系统采用74HC4514译码锁存器对单片机I/O口进行扩展,利用单稳态电路对点火开关电路进行定时控制,实现了对多台固体姿控发动机之间的实时同步点火,最后设计了一个看门狗复位,增加了系统的可靠性,达到设计目的,具有一定的实用价值.     

固冲发动机转级试验点火控制系统设计

针对整体式固体火箭冲压发动机转级试验需求,设计了一套点火控制系统,用以模拟弹载控制系统功能。根据固冲发动机转级技术特点,明确了系统的功能和设计要求,对系统的工作原理、硬件结构和软件设计等内容做了详细描述。该系统充分考虑了不同转级方式和异常应急等情况,具备地面转级试验能力,为产品转级性能评定和可靠性验证提供了有效的试验平台。     

天然气发动机技术发展研究

本文介绍了天然气的车辆技术发展和应用前景 ,分述了各种不同类型的天然气发动机的特点 ,并对提高天然气发动机的动力性能、排放性能的技术给予了详细的论述 .同时对液化天然气 ( L NG)发动机的开发和应用技术进行了探讨     

动能拦截器一子级发动机点火试车成功

2008年11月14,ATK公司在犹他州厂房成功进行了动能拦截器（KEI）一子级固体火箭发动机的静态点火试车。KEI一子级火箭发动机计划进行5次静态点火试车,此次试车是其中的第4次。KEI具有极高的机动性能,可在各种天气条件下进行发射,此次试验模拟了发动机在低温发射环境下的性能,验证了推力矢量控制（TVC）系统的性能。TVC用于控制发射后的导弹以及发动机的推力和弹道输出信号。     

基于神经网络的战场被动声／地震动目标识别方法

目的在于研究人工神经网络在战场声／地震动目标识别应中的有效算法。通过建立战场目标声／地震动特性探测与分析系统,在总结目标特性规律,分析传统BP算法固有缺陷的基础上,采用改进的算法对分类器进行训练,典型战场目标信号样本检验表明,该方法具有良好的识别分类效果,利用基于神经网络的分类来实现对战场声／地震目标的识别分类是可行的。     

基于遗传算法的人工神经网络预测多硝基化合物撞击感度

为获得精度较高、适用范围较大的多硝基化合物撞击感度预测模型,根据定量构效关系(QSPR)原理,用遗传算法(GA)进行变量筛选,建立了多元线性回归(GA-MLR)模型和人工神经网络(GA-ANN)模型,用于149种多硝基化合物撞击感度的定量构效关系的研究。两个模型的相关系数分别为0.854和0.974,均方根误差分别为0.195和0.071,平均绝对误差分别为0.157和0.051。通过模型比较,结果表明所得模型的预测精度均高于已有的QSPR模型,且GA-ANN模型要明显优于GA-MLR模型。     

用人工神经网络法预估芳香族多硝基化合物生成焓

采用误差反向传播学习(BP)的一个双层神经网络,以分子结构中不同基团作为描述码,预估芳香族多硝基化合物的生成焓,研究了网络参数及分子结构描述码的影响,同时用分子子图法进行了多元线性回归,取得了较好的结果(其回归方程相关系数达到0．9967),计算结果的绝大多数相对误差在10％范围以内。     

神经网络在某型随动适配器故障诊断中的应用

在随动系统传统检测方法的基础上,提出一种采用神经网络技术的故障诊断方法。利用随动适配器在检测过程中故障的特征参数,采用神经网络技术分别对每一类故障进行诊断,网络的输入是与输出故障相关联的监测信号的特征值,对各网络输出进行决策判断,最后给出诊断结果。仿真实例结果表明该方法通过利用检测的各种特征信息,能够有效的诊断故障,提高诊断的准确性。     

基于人工神经网络的结构可靠性分析

在结构可靠性分析中,通过人工神经网络拟合极限状态函数,借助神经网络的函数映射关系产生极限状态函数值。采用Mont。Carlo法随机抽样的思路,对大范围的数据进行概率分析,得到极限状态函数值的均值和标准差,求得结构系统的可靠性指标,该方法为极限状态函数无法显式表达的结构系统可靠性分析问题提供了一个可行方法。     

基于小波和模糊神经网络的导弹涡喷发动机故障诊断方法研究

针对海防中远程导弹普遍采用高效率的小型涡喷（涡扇）发动机,为了减小体积和重量,发动机设计寿命较短,导弹维护（中、长期维护）、准备阶段不允许对发动机进行热试车,提出了一种基于小波和模糊神经网络的涡喷发动机故障诊断方法.将该方法成功地应用于某型涡喷发动机的故障诊断,结果表明该方法诊断效果明显.     

人工神经网络在运动控制中的应用

介绍了人工神经元模型与神经网络基本结构。阐述了多层前向网络的工作原理及误差反转（BP）算法,探讨了用于运动控制的单神经元PID控制器的结构与基于BP网络的模糊自适应PID控制,给出了由传统PID控制器,模糊量化处理,系统辨识神经网络NNM和系统控制网络NNC组成的基于BP网络的模糊自适应PID控制器结构,并讨论了人工神经网络在运动控制领域中应用的发展趋势。     

Elman型神经网络在液体火箭发动机故障预测中的应用

提出一种将Elman神经网络应用于液体火箭发动机故障预测的模型,并进行了多参数多步预测。仿真计算结果表明,较传统的静态BP网络预测模型,该模型结构简单,动态特性好,对于液体火箭发动机重要参数的预测效果较好,收敛速度快且精度高,具有较好的非线性时序预测能力,说明其在液体火箭发动机的故障预测中应用的可行性。     

基于概率神经网络的自行火炮发动机状态监控系统

为有效发挥自行火炮发动机效率,减少对发动机寿命的影响,建立了自行火炮发动机状态监控模型。分析了概率神经网络结构和训练算法,以某型底盘所采用的12150L型发动机为例,选取发动机状态监控有效性指标,通过多种状态数据的引入和量化,评测发动机实时工作情况。结果表明:该模型能成功对故障进行分类,分类速度快,能有效进行自行火炮发动机状态监控,进一步提高状态监控准确率和实用程度。     

基于反向传播神经网络的陶瓷损伤参数反演分析

陶瓷材料冲击加载条件下的损伤累积过程伴随着裂纹扩展、体积膨胀等因素,为准确获取陶瓷损伤参数,以钨合金球弹丸高速撞击陶瓷复合装甲的侵彻深度实验为基础,获得了陶瓷面板破碎情况。根据现有文献\[14\]数据中陶瓷材料JH-II本构模型的损伤参数范围,确定了反向传播(BP)神经网络的样本点;采用有限元分析软件AUTODYN对所有样本点的侵彻过程进行数值模拟,结合仿真和实验数据完成了BP神经网络模型的建立和TiB₂-B₄C复合材料损伤参数的反演。仿真结果和实验侵彻深度、回收陶瓷面板的损伤比对,充分验证了所建立的BP神经网络模型对陶瓷损伤参数反演的有效性。